如果你想犯罪

 __asm__ __volatile__("fsin" : "=t"(vsin) : "0"(xrads));

如果你想的话，因为

 __asm__ __volatile__("fcos" : "=t"(vcos) : "0"(xrads));

如果你想要根号方根

 __asm__ __volatile__("fsqrt" : "=t"(vsqrt) : "0"(value));

那么，既然机器指令可以做到，为什么还要使用不准确的代码呢?

这是一个复杂的问题。x86家族的类似intel的CPU有一个sin()函数的硬件实现，但它是x87 FPU的一部分，不再用于64位模式(使用SSE2寄存器代替)。在这种模式下，使用软件实现。

有几个这样的实现。一个在fdlibm中，在Java中使用。据我所知，glibc实现包含fdlibm的部分，以及IBM贡献的其他部分。

先验函数的软件实现，如sin()，通常使用多项式逼近，通常从泰勒级数获得。

是的，也有计算罪恶的软件算法。基本上，用数字计算机计算这些东西通常是用数值方法来完成的，比如近似表示函数的泰勒级数。

数值方法可以将函数近似到任意精度，因为浮点数的精度是有限的，所以它们非常适合这些任务。

在GNU libm中，sin的实现依赖于系统。因此，您可以在sysdeps的适当子目录中找到每个平台的实现。

一个目录包含一个由IBM贡献的C语言实现。自2011年10月以来，这是在典型的x86-64 Linux系统上调用sin()时实际运行的代码。它显然比汇编指令中的f_f快。源代码:sysdeps/ieee754/dbl-64/s_sin.c，查找__sin (double x)。

这段代码非常复杂。没有一种软件算法在整个x值范围内尽可能快且准确，因此库实现了几种不同的算法，它的第一项工作是查看x并决定使用哪种算法。

When x is very very close to 0, sin(x) == x is the right answer. A bit further out, sin(x) uses the familiar Taylor series. However, this is only accurate near 0, so... When the angle is more than about 7°, a different algorithm is used, computing Taylor-series approximations for both sin(x) and cos(x), then using values from a precomputed table to refine the approximation. When |x| > 2, none of the above algorithms would work, so the code starts by computing some value closer to 0 that can be fed to sin or cos instead. There's yet another branch to deal with x being a NaN or infinity.

这段代码使用了一些我以前从未见过的数值技巧，尽管据我所知，它们可能在浮点专家中很有名。有时几行代码需要几段文字来解释。例如，这两条线

double t = (x * hpinv + toint);
double xn = t - toint;

(有时)用于将x减小到接近0的值，该值与x相差π/2的倍数，特别是xn × π/2。这种没有划分或分支的方式相当聪明。但是没有任何评论!

旧的32位版本的GCC/glibc使用fsin指令，这对于某些输入是非常不准确的。有一篇精彩的博客文章用两行代码说明了这一点。

fdlibm在纯C中实现sin要比glibc简单得多，而且注释很好。源代码:fdlibm/s_sin.c和fdlibm/k_sin.c

不要用泰勒级数。切比雪夫多项式更快更准确，正如上面几个人指出的那样。下面是一个实现(最初来自ZX Spectrum ROM): https://albertveli.wordpress.com/2015/01/10/zx-sine/

它们通常在软件中实现，在大多数情况下不会使用相应的硬件(即汇编)调用。然而，正如Jason所指出的，这些是特定于实现的。

请注意，这些软件例程不是编译器源代码的一部分，而是可以在相应的库中找到，例如clib或GNU编译器的glibc。看到http://www.gnu.org/software/libc/manual/html_mono/libc.html三角函数

如果你想要更大的控制权，你应该仔细评估你到底需要什么。一些典型的方法是查找表的插值、程序集调用(通常很慢)或其他近似方案，如Newton-Raphson的平方根。